MNE-Python中眼动追踪数据单位处理的现状与挑战
2025-06-27 12:52:54作者:蔡丛锟
眼动追踪技术在认知神经科学研究中扮演着重要角色,而MNE-Python作为一款强大的脑电/脑磁数据处理工具,近年来也逐步增加了对眼动数据的支持。然而,在实际应用中,用户可能会遇到关于眼动数据单位处理的一些不一致性问题,这些问题主要集中在瞳孔大小数据的单位处理上。
当前实现的核心问题
MNE-Python文档中存在两处看似矛盾的说法:一方面指出眼动和瞳孔数据以任意单位存储,另一方面又声称系统会尽可能将数据转换为SI单位(如位置数据用弧度,瞳孔大小用米)。这种不一致性在实际操作中表现为:
- 当用户尝试使用
raw.get_data(picks=["pupil"], unit="mm")获取数据时,系统会报错 - 尽管报错提示单位应为AU(任意单位),实际检查数据发现值确实是以米为单位存储的
- 手动将数据乘以1e3可以正确转换为毫米单位
技术背景与实现细节
MNE-Python处理眼动数据时,单位系统基于以下设计原则:
- 对于眼动仪数据,理想情况下应转换为SI单位存储
- 瞳孔大小建议使用米(m)作为标准单位
- 眼动位置数据建议使用弧度(rad)作为标准单位
然而,不同厂商的设备输出数据单位存在差异:
- Tobii设备通常以毫米(mm)为单位输出瞳孔数据
- Eyelink设备则以像素(px)和任意单位(AU)输出数据
set_channel_types_eyetrack函数设计用于处理这种差异,它能够:
- 将Tobii的毫米数据转换为米存储
- 设置正确的FIFF_UNIT_M单位标记
现存问题的技术分析
目前系统存在几个关键的技术限制:
-
绘图单位显示问题:尽管数据可能已转换为米,绘图时仍显示为AU,这是因为绘图系统硬编码了每种通道类型的默认缩放比例,尚未针对眼动数据的不同单位情况进行适配。
-
单位转换限制:
get_data方法内部调用_handle_defaults时,默认将瞳孔数据视为AU单位,即使实际存储单位为米,这导致无法直接获取毫米单位的数据。 -
文档与实际不符:文档声称系统会自动转换为SI单位,但实际上需要用户显式调用转换函数。
解决方案与未来方向
针对这些问题,开发团队提出了以下改进方向:
-
统一SI单位假设:修改系统默认假设,将眼动位置数据视为弧度,瞳孔数据视为米,这需要:
- 更新
mne.defaults._handle_default("si_units")中的默认设置 - 确保所有教程和示例在早期步骤就完成单位转换
- 更新
-
增强单位转换功能:
- 为Eyelink数据添加从AU到米的转换支持
- 完善单位转换的文档和示例
-
绘图系统改进:长期来看,需要重构绘图系统以支持:
- 基于实际存储单位的动态缩放
- 多种单位类型的灵活显示
对用户的建议
基于当前实现,研究人员在使用MNE-Python处理眼动数据时应注意:
- 明确了解自己设备输出的原始数据单位
- 尽早使用
set_channel_types_eyetrack进行单位设置和转换 - 对于绘图显示问题,可暂时使用
scalings="auto"参数 - 关注后续版本更新,特别是单位处理方面的改进
这些改进将使MNE-Python的眼动数据处理更加一致和可靠,为多模态脑科学研究提供更好的支持。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1